基于神经网络分位数回归的VaR金融风险测度

基于神经网络分位数回归给出VaR风险测度方法,一方面,通过其分位数回归功能可以揭示响应变量整个条件分布特征;另一方面,通过其神经网络结构,可以模拟经济系统中的非线性结构,从而很好地解决了VaR风险测度中遇到的2个难题:尾部风险测度与非线性关联模式。文章选取上证综指作为研究对象,将其与传统的VaR金融风险测度方法进行了实证比较,实证结果表明,基于神经网络分位数回归的VaR风险测度方法,在样本内与样本外都取得了较好的实证效果。     

基于指数加权分位数回归预测的CPFR成本模型

针对某些商品的高易变性、不对称性的需求模式,基于预测方法高精确度的要求,采用计量经济学前沿预测研究方法指数加权分位数回归预测法,建立了由零售商、制造商的成本模型和供应链系统总成本模型构成的CPFR供应链系统成本模型,为基于多层次CPFR的三级库存协调与优化研究中提高需求预测精度探索新的视角.该模型通过直接预测销售序列的分位数,避免既存研究中基于假设的预测失误,使预测结果更加贴近需求模式的真实值.数值分析表明指数加权分位数回归预测模型的预测精度较高.     

分位数回归方法综述

分位数回归模型作为普通线性回归模型的推广,拥有着独特的优越性,在其广泛应用中得到了更加丰富及有价值的结果。本文比较了分位数回归和普通线性回归的优缺点,并介绍了分位数回归在多个学科领域中的应用以及其理论发展分支。     

基于样条估计分位数回归的光伏功率回归模型

光伏发电功率预测的准确与否是太阳能光伏发电是否能够有效地并入当前电网从而大大地提高太阳能利用率的关键.分位数回归是一种能够给出输出量的详细完整分布,从而便于分析与研究的回归模型.样条就是仅在节点处平滑连接的多项式函数,样条估计具有简单易行和计算速度快的优点.本文通过建立基于样条估计的分位数回归模型,在光伏面板发电功率数据的基础上,拟合光伏功率曲线,通过计算残差平方和和确定系数进行对拟合效果的评估.结果表明,该模型利用已有的光伏面板发电功率数据,可以在给出功率预测值的完整分布的同时,准确有效地分析相关因素对光伏发电功率的影响,展现不同分位点的回归拟合效果,从而有效地提高光伏系统对太阳能的利用率,避免光伏发电在接入电网时所产生的不利影响.     

基于线性分位数组合的兴安落叶松冠幅预测

【目的】 使用线性分位数回归和分位数组合对兴安落叶松(Larix gmelinii)冠幅进行建模和预测,为准确模拟和预测冠幅生长提供技术支持。【方法】 利用大兴安岭兴安落叶松天然林实测数据,采用线性回归和分位数回归构建基础和多元冠幅模型。比较7种分位数组合:三分位数组合(τ=0.1, 0.5, 0.9和τ=0.3, 0.5, 0.7)、五分位数组合(τ=0.1,0.3,0.5,0.7,0.9和τ=0.3,0.4,0.5,0.6,0.7)、七分位数组合(τ=0.1,0.2,0.3,0.5,0.7,0.8,0.9和τ=0.1,0.3,0.4,0.5,0.6,0.7,0.9)和九分位数组合(τ=0.1,0.2,0.3,0.4,0.5,0.6,0.7,0.8,0.9)的预测效果。分析4种抽取方案(随机抽样、选择最大树、平均木、最小树)和9种抽样数量(1~9株)对预测精度的影响。同时使用K折交叉验证对线性回归、最优分位数回归和最优分位数组合进行比较。【结果】 线性和分位数回归都能对冠幅模型进行拟合,中位数回归的拟合结果与线性回归相似,且在所有分位数中拟合能力最好。多元冠幅模型和分位数回归的拟合及检验效果都优于基础模型,冠幅与胸径和样地平均高(立地质量)呈正相关,与枝下高(树木大小)和样地内落叶松断面积(竞争)呈负相关。使用分位数组合可以提高模型的预测能力,7种分位数组合的差异很小,三分位数组合(τ=0.3, 0.5, 0.7)的预测能力最好。对于基础和多元分位数组合在实际应用时,最优抽取方案都为选取最大树,每个样地建议选取6株样木。【结论】 基于线性分位数组合的冠幅模型可以提高预测精度,建议使用三分位数组合和选取最大树及抽取数量为6株的方案对冠幅进行预测。     

具有幂变换的半参数分位数回归

考虑响应变量具有幂变换的半参数分位数回归模型.非参数部分运用B样条进行估计,通过最小化累积残差平方和来估计Box-cox幂变换中的参数.研究得到了半参数分位数回归模型估计的一致收敛速度.     

分位数回归理论及其应用

介绍了分位数回归的概念、拟合优度、置信区间,并将分位数回归方法应用到肺活量的研究中.结果表明,体重在肺活量分布上的变化趋势是递减的,呼吸差在肺活量分布上的变化趋势是递增的,而在肺活量分布的中端,胸围的影响较强.     

基于分位数回归的人民币兑美元汇率风险测度

针对人民币兑美元汇率风险问题,提出了一种基于分位数回归的风险测度方法;以2015-08-11—2019-09-16人民币兑美元汇率中间价数据为研究样本,运用EGARCH模型和TGARCH模型刻画了外汇收益率序列存在的不对称性、波动集聚性以及尖峰厚尾性特征,并在GARCH族VaR模型的基础上构建了QR-GARCH族VaR模型,最后选择Kupiec失败率检验和动态分位数检验等后测检验方法,比较了两类模型的风险预测精度;结果表明:相对于GARCH族VaR模型,QR-GARCH族VaR模型不仅仅对随机扰动项的假设分布不敏感,并且表现出显著优异的风险预测能力,其中基于t分布的QR-EGARCH VaR模型的预测能力最优,故QR-GARCH族VaR模型在人民币兑美元风险测度问题上更具适用性和稳健性。     

百分位数回归方法在混合成本分解中的应用

混合成本的分解问题是现代企业财务管理的一项重要内容。针对当前常用混合成本分解方法的不足,本文引入百分位数回归方法,有效提高混合成本分解的拟合优度。     

金砖国家人口城市化对碳排放的影响——分位数对分位数回归的新证据

为探索金砖国家城市化发展对环境退化带来的影响,本文基于1960—2020年金砖国家城市化率与人均二氧化碳排放量数据,运用分位数对分位数回归方法实证分析了人口城市化对碳排放的影响。研究结果表明：金砖国家人口城市化的不同分位数与各种碳排放分位数之间存在正负两种依赖关系,但正影响程度大于负影响程度,从而推动了金砖国家碳排放的持续增长。此外,金砖国家人口城市化对碳排放的积极影响在各自城市化进程的不同阶段也存在较大差异性。巴西由低等城市化水平阶段进入中等城市化水平阶段后增加了更多的碳排放,俄罗斯在进入高等城市化水平阶段后增加了更多的碳排放,印度在城市化初始阶段末期和进入加速阶段增加了更多的碳排放,中国在低等城市化水平阶段比在中等城市化水平阶段增加了更多的碳排放,南非在进入中等城市化水平阶段后增加了更多的碳排放。     

基于分位数回归的我国居民边际消费倾向动态研究

以我国1978 -2009年间城乡居民人均收入和人均储蓄数据为样本,运用分位数回归方法对各收入水平下的边际储蓄倾向进行估计.实证结果表明,边际储蓄倾向递增规律在我国城乡居民储蓄行为中也是适用的.     

行业工资差异的分位数回归分析——以重庆市为例

首先考察了重庆市2000年至2013年农林牧渔业、建筑业等10个行业的工资数据分布特征,然后分别应用均值回归和分位数回归建模方法对重庆市行业工资差异状况进行了分析,以期发现在不同分位数下影响行业工资差异的关键因素以及它们对行业工资差异的贡献大小,并提出了解决重庆市行业工资差异的相关政策和建议。     

基于分位数回归的企业债信用风险研究

将非参数GARCH模型的方差方程取对数变换后所得的模型用于估计企业债利差波动率。针对模型误差的非对称性,利用更为稳健的分位数回归方法估计改进后的非参数可加GARCH模型。实证分析结果表明,改进后的模型对波动率的估计更为有效;分位数回归方法比最小二乘回归方法能更有效的克服模型误差的非正态影响,对异常值的敏感程度更低,是一种非常稳健的估计方法。     

基于分位数回归的辽宁省R&D经费投入影响因素的动态研究

根据理论研究,从宏观、中观、微观3个层次指出国家经济发展水平、政府科技投入、产业结构、国际贸易、外商直接投资、知识积累及人力资本积累是影响我国R&D经费投入的重要因素。利用逐步回归方法对影响辽宁省R&D投入因素进行了筛选,得出经济发展水平、政府科技投入和产业结构是影响辽宁省科技投入的主要因素,然后利用分位数回归模型对辽宁省R&D投入在不同分位点上各影响因素的作用进行了详细的研究,发现政府科技投入的影响较稳定,产业结构对其影响在逐渐增大,最后在此基础上提出了提高辽宁省R&D投入的相关政策建议。     

基于BP神经网络的油气钻井成本预测

油气钻井成本是反映油田企业经济效益的重要指标.对钻井成本进行准确预测,有利于企业管理者和投资者进行科学的决策与评估.在对油气钻井成本影响因素进行分析的基础上,运用BP神经网络算法,建立了考虑成本因素之间相互关系的油气钻井成本神经网络预测模型,并结合中国石油某公司各区块钻井作业成本数据,将线性回归方法与神经网络方法进行对比,结果表明该模型具有较高的预测精度.     

基于分位数回归的户籍制度改革对去库存的影响研究

户籍制度改革使得人口在城市层面的空间分布格局发生变化,对各个城市房地产去库存的影响备受关注。选取2005—2016年我国房地产市场83个代表性城市的相关变量数据,使用分位数回归模型探索户籍制度改革对各类城市房地产去库存影响的异质性特征。研究结果表明,户籍制度改革带来的人口流动与分布能够显著地促进高房价城市房地产销售,对低房价城市特别是三四线城市去库存影响微弱。这启示三四线城市的地方政府应以产业的转型升级、公共资源和公共服务的优化为中间措施实现户籍制度改革平衡房地产市场的供需结构。     

分位数回归模型中的两步变量选择

对于高维分位数回归模型提出了一种两步变量选择方法,这里协变量的维数pn远远大于样本量n.在第一步中,使用e1惩罚,并且证明第一步由LASSO惩罚所得到的惩罚估计量能够把模型从超高维降到同真实模型同阶的维数,并且所选模型能够覆盖真实模型.第二步对第一步所得模型使用自适应的LASSO惩罚来剔除冗余变量.在一些正则性条件下,证明了此方法具有变量选择的相合性.还进行了数值模拟和实际数据分析,用来表明此方法在有限样本下的表现.     

分位数回归及其在R中的实现

针对R中没有函数可以实现模型似然比检验、模型的拟合度等问题,编写了拟似然检验、拟合度的R代码,运用实例给出分位数回归在R中实现的一般流程,为以后分位数回归的算法研究提供了重要参考.